جايابي و تعيين ظرفيت بهينه منابع توليد پراكنده در شبكه هاي توزيع با استفاده از الگوريتم NSGA-II با استراتژي خاموش

Optimal Placement and Sizing of DG in Distributed Network using NSGA-II based on Cold-Standby Strategy

در اين مقاله ‌يافتن مكان و اندازه بهينه توليدات پراكنده به عنوان يك مسئله بهينه سازي مهندسي مطرح مي‌شود، با توجه به يكپارچگي و نفوذ منابع توليد پراكنده در سيستم هاي توزيع، با استفاده از تعيين اندازه و جايابي بهينه آنها در شبكه هاي توزيع بر اساس توابع هدفي مانند: بهبود پروفيل ولتاژ، كاهش تلفات، افزايش قابليت اطمينان، مهار نمودن رشد نيروگاه هاي مركزي و.‌.‌.‌ صورت مي‌گيرد.‌­ اهداف مذكور به كمك الگوريتم NSGA-II با استراتژي خاموش درشبكه IEEE 33-BUS مورد بررسي و مطالعه قرار خواهد گرفت. براي پياده‌سازي مفهوم جانشيني خاموش، دسته اي از DG ها درنظر گرفته مي‌شود كه در حالت عادي خاموش مي‌باشند كه در صورت وقوع خطا در شبكه يا فيدرها، DG هاي جانشين نيز روشن شده و براي بازيابي بارهاي قطع شده استفاده مي‌شوند تا باعث تحقق توابع هدف گردد. براي اندازه‌گيري قابليت اطمينان از معيار انرژي تامين نشده مورد انتظار EENS استفاده شده‌است. براي بهينه‌سازي دو هدف كلي درنظر گرفته شده است كه شامل:كاهش EENS وكاهش تلفات توان مي‌باشد. علاوه بر اهداف ذكر شده، بهبود پروفيل ولتاژ نيز به صورت تابع جريمه اعمال شده‌است. شبيه سازي در محيط نرم افزار متلب صورت گرفته و نتايج حاصل از آن، اثر بخشي و كارايي الگوريتم پيشنهادي را نشان مي‌دهد.

in this Paper, Optimal placement and sizing of DGs is considered as an engineering optimization problem. Due to integration and influence of DGs in distributed networks, optimal location and sizing of them are done based on objective functions such as: voltage profile improvement, power loss reduction, reliability improvement, restraining the increase of power plant, etc. These goals considering the NSGA-II algorithm with cold standby strategy will be investigated and simulated on IEEE 33-bus standard test system. In order to implement the concept of Cold Standby theory, a group of DGs are considered which are off in normal condition but in fault condition, these DGs turn on and help to reconstruction the network. In order to measuring reliability, used the expected energy not supply (EENS) index. Optimization is done with two goals: reduction of EENS and the cost, including investment cost and power loss cost. Moreover, voltage profile improvement has been applied as a function penalty. Simulation has been done in MATLAB software and results show the effectiveness and capability of proposed algorithm.